无关信噪比的无线图像联合源-信道编码
摘要：使用深度学习技术在无线联合源信道编码（JSCC）方面取得了显著进展。最新的基于深度学习的图像JSCC方法在传输过程中表现出异常性能，并避免了悬崖效应。然而，当前的信道自适应JSCC方法依赖信道信噪比（SNR）信息，这可能由于信道不匹配效应导致实际应用中的性能降低。本文提出了一种新的图像传输方法，称为SNR独立联合源信道编码（SIJSCC），该方法利用深度学习技术，在不需要SNR估计的情况下，在各种信噪比（SNR）水平上实现了出色的性能。我们设计了一个倒置残差注意瓶颈（IRAB）模块，可以有效减少参数数量并扩大感受野。此外，我们还结合了卷积和自注意力混合编码模块，以建立通道符号之间的长程依赖关系。我们的实验表明，SIJSCC优于依赖SNR信息的现有基于深度学习的信道自适应JSCC方法。此外，我们发现SNR估计对SIJSCC的效果没有显著影响，为未来设计基于深度学习的JSCC方法提供了见解。通过对模型瓶颈的分析以及实验证明了该方法的可靠性及其适应不同领域的能力。
作者：Hongjie Yuan, Weizhang Xu, Yuhuan Wang, Xingxing Wang
论文ID：2306.15183
分类：Signal Processing
分类简称：eess.SP
提交时间：2023-08-29